ADM2017:它是ASSISTment数据挖掘竞赛2017的代码-源码

ADM 2017 这是本文中的代码存储库，该文章结合了用于STEM / Non-STEM作业预测的增强型深度知识跟踪模型所学习的功能。 抽象的 旨在使用纵向研究的数据来预测教育数据挖掘研究社区以前从未研究过的学生的崭新成果。 具体来说，它有助于研究开发预测模型的方法，这些模型可以预测大学毕业学生的第一份工作是否属于STEM（科学，技术，工程和数学的缩写）领域。 这是基于学生上的学习历史，其形式是在中学期间收集了广泛的点击流数据。 为了应对这一挑战，我们首先使用深度知识跟踪（DKT）模型和增强的DKT（DKT +）模型来估计学生针对不同数学技能的预期知识状态。 然后，我们将与DKT / DKT +预期知识状态相对应的特征与直接从数据集中的学生资料中提取的其他特征相结合，以训练用于STEM /非STEM职位预测的几种机器学习模型。 我们的实验表明，使用组合特征训练的模型通常比仅使用学生个人资